粉丝3.1万获赞1.3万

家人们,今天我给你们看一只票,从二零二五年初的一点一三美元,一路飙到去年四月份中旬的八十美元以上,累计涨幅接近八十倍。事实从 不足五千万干到了三十亿美元。 a x t 中文叫美国 a x t 股份有限公司,工厂全在北京通州、河北朝阳。主要做什么?正题,林发音、生发甲者给你们拆开来看。 林发音 ai 光模块的核心刚需八百 g 一 点六 t 光通信升级,每个模块里面都离不开这玩意, 硅不行,生发家不行,物理上没有替代方案,而且零发音百分之八十以上需求来自于 ai 数据中心,每一个 八百激光模块就要四到八颗激光器芯片,一点六 t 需要的量是八百 g 的 三倍以上。 但供给端是什么呢?全球百分之九十以上才能被日本注,有 a x t 和 j x 三家垄断。 a x t 市占率占百分之三十六,全球第二。二六年全球需求涨到了两百六到 三百万片,合规才能就六十到七十五万片,缺口超百分之七十,你愿多花钱都没有现货,这就是它暴涨的供应链的逻辑。 不过哈,我来先泼盆冷水,二零二五年全年净亏约超两千多万美元,但华尔街压根就不搭理,看的是它变成战略物资。还有一个极端有趣的细节,它的生产基地百分之百放在中国, 因此现在滴管制很多日期的原材料供几对划出口都受到限制,交付周期从几个月拉长到十八个月以上。 a x t 在 中国有工厂,在海外拿单,两边通私。那现在市场交易的核心逻辑到底是什么?其实市场已经不贵了, 看眼前二六年 pe 接近两百倍,吓死人,但到了二七年,营收增速可能是百分之八十以上, e p s 增速百分之一百五, e p 掉掉了七十五附近已经有机构把它的目标价调到了九十三以上了。 股价不是看二六年的皮,是在赌二七年的产量释放以及二八年的存估。下一步要看二六年的三季度能不能把盈收推到四千二百万以上,到时候 best case 都是波 case, 就 有明确的答案。

二零二六年四月二十号美股盘后,上市公司 a x t 宣布股票增发,与此同时,我的挚友双飞哥则是亲自操刀了这次的增发超低交易,在 a x t 跌至七十美元以下后,带领双飞资本全体出击, 他说,这是命运级别的机会。而彼时的我还不以为然。直到我做这个视频的五月十四号,距离那场超低不过短短的三周,股价居然已经来到了一百一十五美元, 收益率百分之六十四。而如果把时间的尺度拉长至一年, a x t 则已经是翻了整整八十倍。这期视频的每一个字,都由双飞哥亲自写下,由我来讲给你们听,带你们用理性的视角去看这个八十倍的奇迹。而我阿宝将以此片致敬双飞哥,为阿宝社区,为阿宝粉丝所 带来的一切。 无论从哪个角度看,这都是近年来最夸张、最不可思议的年度涨幅之一。 就在去年的春天,大多数投资者甚至都不知道这家公司叫什么。那么 axt 到底是做什么的呢?它生产金元,更准确的说是化合物半导体衬底,这些材料是其他芯片建立在其上的晶体剥片。 整个芯片行业大多数依赖硅,但有一些特殊的应用需要更加稀有的材料。 a x d 的 核心产品之一叫做零化英,英文是 indium fuited, 所以 大家也叫它 i n p。 它是激光器和光探测器下面的衬底材料,而这些器械负责用光,而不是用电来传输数据。 而事实证明,这正是 ai 数据中心扩张最需要的东西。当大型云厂商开始把成千上万块 gpu 连成集群时,真正的瓶颈已经不再是 gpu 芯片本身,而是 gpu 之间传输数据所依赖的保护链。 而林华英正是这些光学器械所建立的核心材料。一年前, a x t 还只是一个股价不到两美元的毛票,但突然之间,他手里握着超过一亿美元的订单积压。因为整个 ai 基础设施建设浪潮对这种材料的需求开始疯狂增加。而最聪明的那帮人,华尔街上的分析师们 已经是注意到了这一点。 web push secrets 在 短短几天内把 a x d 的 目标价从二十八美元一口气上调至九十三美元,提高了超过百分之二百三十。一周之内上调百分之二百三十的目标价,这并不正常。 这种事情通常只会发生在分析师原本研究的投资逻辑被现实的发展速度彻底超车的时候。而这也引出了我们视频开头的那个词, on abstinence。 无法获得职务这个词并不是阿凡达电影发明的。 早在一九五零年代,航空航天工程师们就已经开始用它来形容一种理论上极其重要、性能极其完美,但现实中却难以真正获得的材料。而对于如今的 ai 基础设施产业来说,林华英几乎就像真正的 on upstaining。 林华英本身并非科幻材料,它其实是新矿开采过程当中的副产品, 但问题在于,能够生产秤砣及林华英金元的公司极少,并且行业认证周期往往长达数年,才能也无法像普通芯片那样迅速扩张。 所以啊,当需求像现在这样突然爆发的时候,这种材料就会在实际意义上变得极度稀缺,而掌握供应的源头自然会被市场重新定价。 axt 现在并不只是单纯吃到 ar 红利那么简单,它正在疯狂扩张产量。 公司在四月底完成了一笔六点三亿美元的股票增发,用来支持扩产计划,目标二零二六年零花银产量翻倍,二零二七年再翻一倍。 至于 axti 的 股价是否已经涨得太夸张,这就是另外一个问题了,而且是个非常合理的问题。但至少有一点是确定的,这轮上涨背后的供给瓶颈是真实存在的。







四千八百七十五,这是 cpu 龙头 axti 从低点到高点的涨幅。如果你觉得这只是个例,再看看 lat 累计涨幅一千三百三十,哪怕是二零二六年初到现在,短线爆发的 a a o i 也是直接翻了三倍多。 看到这些数字,你的第一反应是不是想立刻冲进去?但我反而建议你先别急,因为现在的 cpu 赛道不仅是恐高者的噩梦,更是接飞刀的高发区。当全世界都在盯着那些已经长到天上去的光膀挎激光器整机场时, 聪明的人已经开始套现离场,去寻找下一个还没有被聚光灯照到的死角。因为当最稀缺、最核心的部件享受完最高的估值和涨幅后,整个系统的瓶颈就会向其他环节转移,而 cpu 目前正处在这个关键的转折上, 真正的下一站很可能是 c p o 的 测试与封装。嗨,朋友们,欢迎回到 ruby 投资笔记,我是你们的老朋友 ruby。 那 今天这期视频呢?我们要聊的不是那些已经让你长到怀疑人生的明星股,而是这些藏在巨头背后的隐形霸主。 重点就看两件事,第一,这个一百秒的测试噩梦为什么会成为二零二六年最硬核的财富密码?第二,有哪些公司正在接力 l i t e 悄悄进入像台积电这样的核心供应链体系?那如果你想在 cpu 的 下半场找回那种翻倍的节奏,这一期的内容一定要看到最后哦。 那在聊测试之前呢,我们先把大背景讲清楚,不然你很难理解后面的问题为什么会这么棘手。 这两年呢,你应该也明显的感觉到 ai 设计中心的规模在疯狂的扩张,段位是一层层的往上堆,但问题是底层的设计传输还在大量依赖传统的铜互联,也至于用电缆来跑信号, 这套体系其实越来越接近物理极限了,因为铜线传输它本身功耗高,发热大,而且在延迟上已经开始跟不上 gpu 的 迭代节奏, 算力在加速,但是数据搬运的速度却在掉队。所以行业里基本上形成了一个共识,要继续往上走,必须换一条路,用光替代电。 这就是 cpu 供封装光学的核心逻辑,简单理解就是把原本独立在芯片外部的光模块拆解之后,直接塞进芯片封装里,让数据通过光信号在芯片内部传输。一旦这件事情成立,带来的改变是难以估量的,功耗、带宽、延迟都会出现结构性的优化。 而且这件事情已经不是远期故事了,像台积电,它已经给出了非常明确的时间表,就是它的触碰平台预计是在二零二六年进入量产阶段,这就意味着 c p u 中处在一个非常关键的节点,从实验室走向规模化的落地,甚至是走向商业兑现。 但是问题也正是这个阶段暴露出来的。就在市场还在为量产在即欢呼的时候,产业链里的核心玩家们反而开始极力头疼,因为他们发现一件事, cpu 这东西做出来没有那么困难,但是想要把它测清楚,测的准,还要测的足够快,才是真正的难题。 我先给你个直观感受,你就知道这个问题有多致命了。在传统的电芯片,也就是 esc 的 测试流程里,整个体系已经高度标准化,基本上就是全自动设备跑流程,速度快,效率高,没有什么卡点。 但是一旦进入 cpu, 也就是光电融合的架构, pic 加 esc, 它的复杂程度是直接从三级跳到一级的。先看第一层,就是复杂度的维度变了, 以前你只需要测电学参数,比如电压、电流这些,但是现在不一样,你不仅要测电,还要测光,更关键的是还要测光与电之间是怎么协调工作的,也就是光电交互。 具体到指标层面,就是你需要看插入损耗、 i l 偏振相关损耗、 p d l 响应度、波导传播损耗、官场串扰等等,这要一套完全不同的体系, 那更麻烦的是,到目前为止,行业里面没有统一的测试标准,各家厂常用的方案口径不一样,很多环节他只能靠工程师去手动介入。 这就直接导致了一个结果,就是测试流程很难自动化,他的效率被严重拖满。但是这些还不是最难的,真正硬核的瓶颈在第二点就是物理层面的穿针引线, 光信号要进入芯片,必须通过光纤藕合,但是问题在于,单模光纤的结面积和芯片内部光波导的结面积相差了大约八百倍, 这是什么概念?你可以把它想象成站在一公里之外,把一根线精准的穿进一个针眼里面,而且误杀必须控制在纳米级,一旦偏一点点,这个光功率基本上就损耗殆尽。 所以现在很多的测试动作还停留在手工艺的阶段,就是工程师一边微调角度,一边盯着功率变化慢慢对准,那最终带来的结果就是,一颗完整的 cpu 芯片,如果想要做百分之百的测试,它平均耗时是要超过一百秒的。 注意这个数字,这个数字在实验室里边你听着可能还能接受,但是一旦进入大规模的量产,这简直就是灾难级别的瓶颈。 ai 技术设施是成千上万颗芯片堆出来的,如果每一颗都要测一百秒,那整条产线他基本上就是被堵死的状态。 所以我的结论就是,如果测试速度和自动化的问题不解决,那 cpu 的 商业化落地基本上就是一个空话。 而一颗 cpu 芯片从出生到真正出厂,它中间其实要经历四道测试关卡,这是一个一层层筛选,然后逐步验证的过程。第一道呢,是 p i c 的 进源级测试 ow a t, 也就是在还没有封装之前,先把光芯片本身的基础性能测一遍。 第二步是光电耦合的近远极测试,这里是开始把电和光结合起来,看两套系统能不能正常协调工作。第三道呢,是 o e 光学引擎级的测试,这一步的核心目标是筛选出已知良好的光学引擎,也就是 k g o e, 这是整个流程里面最烧钱最关键的一环。那最后一步就是先进分装之后的模块级测试,相当于是整机出厂前的总检。 这四个阶段看下来,很多人的第一直就是觉得越往后越重要,但是如果你是站在投资的角度来看,真正值得我们重点盯的,反而是前面的第一步, p i c 金元机测试。这个原因呢,其实很简单,就是光芯片 p i c 大 多是基于成熟的制成,它的成本并不高, 但是和它配套的电芯片 esc 往往用的是像台机电这种最先进也最昂贵的制成工艺。那如果你在第一阶段没有把有问题的光芯片筛选掉,而是等它和昂贵的电芯片一起完成封装之后,才发现有缺陷,那损失是成倍放大的。 换句话说,这就像一条生产线,你一定是先把零件筛选关进,再去组装高价值的整机,越早发现问题,成本控制的越好,利润空间也越大。所以从资金效率和产业价值分配的角度来看,第一道关卡才是真正意义上的金矿。 而为了解决掉这个关卡,全球做测试机的玩家其实已经全面动起来了,且他们的路径非常明确,就是各自补短板抢卡位。现在的竞争格局基本上可以分成三股势力。先看第一类,就是走极致精密路线的组合, 代表呢就是日本的爱戴万克斯和美国的 f o r m。 一个是传统电测试的霸主,一个是全球探针卡龙头。但问题在于,前者强在电,后者补的是光,两边刚好互补,他们的核心武器也就是所谓的 ufo 探针卡。这个名字听起来很玄乎,但是关键在于 他们做的就是对准容差补偿。我们前面提到了,光纤和波导之间是有八百倍的尺寸差,一旦对不准呢,信号直接就损耗掉。 而他们是通过对光束做整形,即便是存在轻微的偏差,光信号依然能够稳定的藕合进去。 在这个基础上,他们又推出了 v 九三零零零穿云系统,引入了九轴光子对准,简单理解就是在传统的三维定位之外叠加旋转微调,再配合机器视觉算法,把原本需要人工慢慢调的对准过程从分钟级压缩到秒级。 这一代玩家的逻辑很清晰,就是不拼产量拼精度,它的目标就是高端的 cpu 芯片的大规模量产。再看第二类,是典型的效率优先派,代表的就是美国的泰瑞达和韩国的 finc。 相比第一类慢慢打磨技术,他们的打法更直接,就是通过收购和合作,快速补齐自己的能力短板。他们推出了一个关键产品,是三百毫米双面晶圆碳针测试系统, 这个系统的核心优势在于同时作业,金源顶面测电,底面测光,相当于是双线成运行,它的测试吞吐量直接翻倍。 再叠加 fuk tec 本身完整的产品线,从金源级到芯片级全覆盖。对于那些追求良率和才能的金源厂来说,这种一站式全自动化的解决方案吸引力是非常强的。 所以这一排的核心逻辑就是两个词,自动化和规模化。它们是 cpu 从实验室走向工业化落地的关键推动者。那最后一类其实是更偏细分突破的技术型玩家,代表是包括美国的 k e y s, 台湾的 carma ate、 广量科技。 这类公司它不一定做整套的系统,但是在某些关键环节上有着明显的杀手锏。比如说 k u s, 它在测试领域是绝对的龙头,它的核心优势在偏震控制,那光芯片测试最怕的就是偏震态不稳定, 而它可以把偏正给锁定住,让整个扫波长过程保持高度稳定,这对于研发阶段效率提升非常关键。再比如台湾的壳尔玛,它在系统级测试,也就是 s l t 领域经验也是非常深的。现在正在把过去在三 d 干测和激光器老化测试上的积累迁移到 c p o 上, 因为一旦芯片内部集成了激光器,那可告性的测试就变成了刚需。那还有一个非常有意思的新玩家,就是中国的光亮科技, 他们推出的 netgear 平台,本质上是用高光谱成像去看见光,以前工程师呢,只能通过间接数据去判断哪里漏光,现在可以直接在光波导内部定位问题点,就像是给芯片做了一次 x 光的扫描, 这对于提升两率价值非常直接。那总结一下,就是这三股力量的分工其实很清楚,就是第一类去解决精度极限,第二类呢,是解决才能瓶颈,第三类就是解决关键细节。而真正的行业红利往往就藏在这三者交汇的地方。 但是呢,光知道公司的名字没有用,你一样很难把握到赚钱的机会。很多人踩坑的原因就是因为分不清楚哪些是蹭热点的公司,又有哪些是真正拿到订单的公司。 比如只有深度跟踪才知道,泰瑞达的三百毫米的双面探针系统已经给某头部进药厂送样测试了,预计第三季度就能拿到批量订单。 再比如说 f o i m 的 ufo 探针卡,它的量率比行业平均水平高出来百分之十五。那这些关键数据呢?我都是花了大量的时间和资金跑产业链才拿到的。如果你不想自己花了大量的时间和资金跑产业链才拿到的,如果你不想错过二零二六年 cpu 布局的最后窗口, 可以点击评论区的置顶链接,加入我的交流俱乐部,既能节省你寻找资料的时间,也能精准的把握投资机会。 那最后呢,我再来讲一下,为什么我会觉得现在是一个可以布局的窗口?那如果你从二三年一直开始投资半导体,你就会发现一个很有意思的规律,每当半导体行业出现一次底层技术的跃迁,在量产前也次次设备的地位都会明显抬升。 不管是当年的 euv, 还是后来的三 d n 的, 本质上都是一样的逻辑,技术一旦跨维度测试,就不再是配角,而是决定能不能真正落地的关键环节。那放到 cpu 上,这个逻辑只会更极端。 第一,它的复杂度是跃迁式的提升,因为 cpu 它不是简单多了一个功能模块,而是从电到光的物理层切换它,这就相当于是换了一套游戏规则,测试难度自然是同步放大。 第二,就是价值量占比在上升,随着单个芯片的测试时间被拉长,测试站数量增加,测试设备在整个半导体资本开支里的占比会持续抬高。 这一点呢,其实已经在先进制程节点里面反复验证过。第三呢,也是最关键的一点,就是时间窗口已经非常清晰。像台积电、英特尔、伯通这些产业链的核心玩家,基本上都把 cpu 的 量产节点指向了二零二六年,比之前的二零二八年又提前了两年, 而按照半导体设备的周期规律,设备订单通常会提前十二到十八个月释放。换句话说就是从现在到二零二六年末,就是测试设备厂商订单集中兑现的阶段。这也是为什么说现在其实是一个典型的预期差窗口,市场还在讲故事,但是订单已经在路上。 那除此之外呢,我还要提示一下,就是我今天讲的这三家美股,注意是美股,他们的国家对于稳健型的投资者来说是存在一定的风险的, 所以能够等待的人还是可以等待他的回调再入场那已经持有的人。我想说的就是千万不要留恋任何一只过股,尤其是美股测试机的龙头泰瑞达即将发布财报, 如果他的财报里面说他的测试机超产量,然后带来的预期收入很高,那么测试机这个行业一定是有一波的带动效果。但是如果他的这个财报不及预期的话,还是存在一定的风险的, 那一旦这些个股出现趋势减弱的迹象,一定要酌情调整自己的仓位那不过据我的估计的话,我觉得泰瑞达这次的财报应该是给市场一个满意的答案, 当然我也有可能打脸,那打脸就打脸吧,打脸就卖了这只股票嘛。那接下来问题就留给你,在这几条路径里面,你更看好哪一类呢?或者你觉得 c p u 真正量产之前还有哪些被忽略的坑呢?欢迎在评论区发表您的意见, 那如果你觉得这期视频对你有帮助的话,也欢迎你点赞订阅 ruby 投资笔记不错过下一期精彩视频我是 ruby, 咱们一期一会,下期再见。拜。

四千八百七十五,这是 cpu 龙头 axti 从低点到高点的涨幅。如果你觉得这只是个例,再看看 lat 累计涨幅一千三百三十,哪怕是二零二六年初到现在,短线爆发的 a a o i 也是直接翻了三倍多。 看到这些数字,你的第一反应是不是想立刻冲进去?但我反而建议你先别急,因为现在的 cpu 赛道不仅是恐高者的噩梦,更是接飞刀的高发区。当全世界都在盯着那些已经长到天上去的光膀挎激光器整机场时, 聪明的人已经开始套现离场,去寻找下一个还没有被聚光灯照到的死角。因为当最稀缺、最核心的部件享受完最高的估值和涨幅后,整个系统的瓶颈就会向其他环节转移,而 cpu 目前正处在这个关键的转折上, 真正的下一站很可能是 c p o 的 测试与封装。嗨,朋友们,欢迎回到 ruby 投资笔记,我是你们的老朋友 ruby。 那 今天这期视频呢?我们要聊的不是那些已经让你长到怀疑人生的明星股,而是这些藏在巨头背后的隐形霸主。 重点就看两件事,第一,这个一百秒的测试噩梦为什么会成为二零二六年最硬核的财富密码?第二,有哪些公司正在接力 l i t e 悄悄进入像台积电这样的核心供应链体系?那如果你想在 cpu 的 下半场找回那种翻倍的节奏,这一期的内容一定要看到最后哦。 那在聊测试之前呢,我们先把大背景讲清楚,不然你很难理解后面的问题为什么会这么棘手。 这两年呢,你应该也明显的感觉到 ai 设计中心的规模在疯狂的扩张,段位是一层层的往上堆,但问题是底层的设计传输还在大量依赖传统的铜互联,也至于用电缆来跑信号, 这套体系其实越来越接近物理极限了,因为铜线传输它本身功耗高,发热大,而且在延迟上已经开始跟不上 gpu 的 迭代节奏, 算力在加速,但是数据搬运的速度却在掉队。所以行业里基本上形成了一个共识,要继续往上走,必须换一条路,用光替代电。 这就是 cpu 供封装光学的核心逻辑,简单理解就是把原本独立在芯片外部的光模块拆解之后,直接塞进芯片封装里,让数据通过光信号在芯片内部传输。一旦这件事情成立,带来的改变是难以估量的,功耗、带宽、延迟都会出现结构性的优化。 而且这件事情已经不是远期故事了,像台积电,它已经给出了非常明确的时间表,就是它的触碰平台预计是在二零二六年进入量产阶段,这就意味着 c p u 中处在一个非常关键的节点,从实验室走向规模化的落地,甚至是走向商业兑现。 但是问题也正是这个阶段暴露出来的。就在市场还在为量产在即欢呼的时候,产业链里的核心玩家们反而开始极力头疼,因为他们发现一件事, cpu 这东西做出来没有那么困难,但是想要把它测清楚,测的准,还要测的足够快,才是真正的难题。 我先给你个直观感受,你就知道这个问题有多致命了。在传统的电芯片,也就是 esc 的 测试流程里,整个体系已经高度标准化,基本上就是全自动设备跑流程,速度快,效率高,没有什么卡点。 但是一旦进入 cpu, 也就是光电融合的架构, pic 加 esc, 它的复杂程度是直接从三级跳到一级的。先看第一层,就是复杂度的维度变了, 以前你只需要测电学参数,比如电压、电流这些,但是现在不一样,你不仅要测电,还要测光,更关键的是还要测光与电之间是怎么协调工作的,也就是光电交互。 具体到指标层面,就是你需要看插入损耗、 i l 偏振相关损耗、 p d l 响应度、波导传播损耗、官场串扰等等,这要一套完全不同的体系, 那更麻烦的是,到目前为止,行业里面没有统一的测试标准,各家厂常用的方案口径不一样,很多环节他只能靠工程师去手动介入。 这就直接导致了一个结果,就是测试流程很难自动化,他的效率被严重拖满。但是这些还不是最难的,真正硬核的瓶颈在第二点就是物理层面的穿针引线, 光信号要进入芯片,必须通过光纤藕合,但是问题在于,单模光纤的结面积和芯片内部光波导的结面积相差了大约八百倍, 这是什么概念?你可以把它想象成站在一公里之外,把一根线精准的穿进一个针眼里面,而且误杀必须控制在纳米级,一旦偏一点点,这个光功率基本上就损耗殆尽。 所以现在很多的测试动作还停留在手工艺的阶段,就是工程师一边微调角度,一边盯着功率变化慢慢对准,那最终带来的结果就是,一颗完整的 cpu 芯片,如果想要做百分之百的测试,它平均耗时是要超过一百秒的。 注意这个数字,这个数字在实验室里边你听着可能还能接受,但是一旦进入大规模的量产,这简直就是灾难级别的瓶颈。 ai 技术设施是成千上万颗芯片堆出来的,如果每一颗都要测一百秒,那整条产线他基本上就是被堵死的状态。 所以我的结论就是,如果测试速度和自动化的问题不解决,那 cpu 的 商业化落地基本上就是一个空话。 而一颗 c p u 芯片从出生到真正出厂,它中间其实要经历四道测试关卡,这是一个一层层筛选,然后逐步验证的过程。第一道呢,是 p i c 的 进源级测试 ow a t, 也就是在还没有封装之前,先把光芯片本身的基础性能测一遍。 第二步是光电耦合的近远极测试,这里是开始把电和光结合起来,看两套系统能不能正常协调工作。第三道呢,是 o e 光学引擎级的测试,这一步的核心目标是筛选出已知良好的光学引擎,也就是 k g o e, 这是整个流程里面最烧钱最关键的一环。那最后一步就是先进分装之后的模块级测试,相当于是整机出厂前的总检。 这四个阶段看下来,很多人的第一直就是觉得越往后越重要,但是如果你是站在投资的角度来看,真正值得我们重点盯的,反而是前面的第一步, p i c 金元机测试。这个原因呢,其实很简单,就是光芯片 p i c 大 多是基于成熟的制成,它的成本并不高, 但是和它配套的电芯片 esc 往往用的是像台机电这种最先进也最昂贵的制成工艺。那如果你在第一阶段没有把有问题的光芯片筛选掉,而是等它和昂贵的电芯片一起完成封装之后,才发现有缺陷,那损失是成倍放大的。 换句话说,这就像一条生产线,你一定是先把零件筛选关进,再去组装高价值的整机,越早发现问题,成本控制的越好,利润空间也越大。所以从资金效率和产业价值分配的角度来看,第一道关卡才是真正意义上的金矿。 而为了解决掉这个关卡,全球做测试机的玩家其实已经全面动起来了,且他们的路径非常明确,就是各自补短板抢卡位。现在的竞争格局基本上可以分成三股势力。先看第一类,就是走极致精密路线的组合, 代表呢就是日本的爱戴万克斯和美国的 f o r m。 一个是传统电测试的霸主,一个是全球探针卡龙头。但问题在于,前者强在电,后者补的是光,两边刚好互补,他们的核心武器也就是所谓的 ufo 探针卡。这个名字听起来很玄乎,但是关键在于 他们做的就是对准容差补偿。我们前面提到了,光纤和波导之间是有八百倍的尺寸差,一旦对不准呢,信号直接就损耗掉。 而他们是通过对光束做整形,即便是存在轻微的偏差,光信号依然能够稳定的藕合进去。 在这个基础上,他们又推出了 v 九三零零零穿云系统,引入了九轴光子对准,简单理解就是在传统的三维定位之外叠加旋转微调,再配合机器视觉算法,把原本需要人工慢慢调的对准过程从分钟级压缩到秒级。 这一代玩家的逻辑很清晰,就是不拼产量拼精度,它的目标就是高端的 cpu 芯片的大规模量产。再看第二类,是典型的效率优先派,代表的就是美国的泰瑞达和韩国的 finc。 相比第一类慢慢打磨技术,他们的打法更直接,就是通过收购和合作,快速补齐自己的能力短板。他们推出了一个关键产品,是三百毫米双面晶圆碳针测试系统, 这个系统的核心优势在于同时作业,金源顶面测电,底面测光,相当于是双线成运行,它的测试吞吐量直接翻倍。 再叠加 fokc 本身完整的产品线,从金源级到芯片级全覆盖。对于那些追求良率和才能的金源厂来说,这种一站式全自动化的解决方案吸引力是非常强的。 所以这一排的核心逻辑就是两个词,自动化和规模化。它们是 cpu 从实验室走向工业化落地的关键推动者。那最后一类其实是更偏细分突破的技术型玩家,代表是包括美国的 k e y s, 台湾的 carma ate、 广量科技。 这类公司它不一定做整套的系统,但是在某些关键环节上有着明显的杀手锏。比如说 k u s, 它在测试领域是绝对的龙头,它的核心优势在偏震控制,那光芯片测试最怕的就是偏震态不稳定, 而它可以把偏正给锁定住,让整个扫波长过程保持高度稳定,这对于研发阶段效率提升非常关键。再比如台湾的壳尔玛,它在系统级测试,也就是 s l t 领域经验也是非常深的。现在正在把过去在三 d 干测和激光器老化测试上的积累迁移到 c p o 上, 因为一旦芯片内部集成了激光器,那可告性的测试就变成了刚需。那还有一个非常有意思的新玩家,就是中国的光亮科技, 他们推出的 netgear 平台,本质上是用高光谱成像去看见光。以前工程师呢,只能通过间接数据去判断哪里漏光,现在可以直接在光波导内部定位问题点,就像是给芯片做了一次 x 光的扫描, 这对于提升两率价值非常直接。那总结一下,就是这三股力量的分工其实很清楚,就是第一类去解决精度极限,第二类呢,是解决才能瓶颈,第三类就是解决关键细节。而真正的行业红利往往就藏在这三者交汇的地方。 但是呢,光知道公司的名字没有用,你一样很难把握到赚钱的机会。很多人踩坑的原因就是因为分不清楚哪些是蹭热点的公司,又有哪些是真正拿到订单的公司。 比如只有深度跟踪才知道,泰瑞达的三百毫米的双面探针系统已经给某头部进药厂送样测试了,预计第三季度就能拿到批量订单。 再比如说 f o i m 的 ufo 探针卡,它的量力比行业平均水平高出来百分之十五,那这些关键数据呢?我都是花了大量的时间和资金跑产业链才拿到的。如果你不想自己花了大量的时间和资金跑产业链才拿到的,如果你不想错过二零二六年 cpu 布局的最后窗口, 可以点击评论区的置顶链接,加入我的交流俱乐部,既能节省你寻找资料的时间,也能精准的把握投资机会。 那最后呢,我再来讲一下,为什么我会觉得现在是一个可以布局的窗口?那如果你从二三年一直开始投资半导体,你就会发现一个很有意思的规律,每当半导体行业出现一次底层技术的跃迁,在量产前也次次设备的地位都会明显抬升。 不管是当年的 euv, 还是后来的三 d n 的, 本质上都是一样的逻辑。技术一旦跨维度测试,就不再是配角,而是决定能不能真正落地的关键环节。那放到 cpu 上,这个逻辑只会更极端。 第一,它的复杂度是跃迁式的提升,因为 cpu 它不是简单多了一个功能模块,而是从电到光的物理层切换它,这就相当于是换了一套游戏规则,测试难度自然是同步放大。 第二,就是价值量占比在上升,随着单个芯片的测试时间被拉长,测试站数量增加,测试设备在整个半导体资本开支里的占比会持续抬高, 这一点呢,其实已经在先进制程节点里面反复验证过。第三呢,也是最关键的一点,就是时间窗口已经非常清晰。像台积电、英特尔、伯通这些产业链的核心玩家,基本上都把 cpu 的 量产节点指向了二零二六年,比之前的二零二八年又提前了两年, 而按照半导体设备的周期规律,设备订单通常会提前十二到十八个月释放。换句话说就是从现在到二零二六年末,就是测试设备厂商订单集中兑现的阶段。这也是为什么说现在其实是一个典型的预期差窗口,市场还在讲故事,但是订单已经在路上。 那除此之外呢,我还要提示一下,就是我今天讲的这三家美股,注意是美股,他们的国家对于稳健型的投资者来说是存在一定的风险的, 所以能够等待的人还是可以等待他的回调再入场那已经持有的人。我想说的就是千万不要留恋任何一只过股,尤其是美股测试机的龙头泰瑞达即将发布财报, 如果他的财报里面说他的测试机超产量,然后带来的预期收入很高,那么测试机这个行业一定是有一波的带动效果。但是如果他的这个财报不及预期的话,还是存在一定的风险的, 那一旦这些个股出现趋势减弱的迹象,一定要酌情调整自己的仓位那不过据我的估计的话,我觉得泰瑞达这次的财报应该是给市场一个满意的答案, 当然我也有可能打脸,那打脸就打脸吧,打脸就卖了这只股票嘛。那接下来问题就留给你,在这几条路径里面,你更看好哪一类呢?或者你觉得 c p u 真正量产之前还有哪些被忽略的坑呢?欢迎在评论区发表您的意见, 那如果你觉得这期视频对你有帮助的话,也欢迎你点赞订阅 ruby 投资笔记,不错过下一期精彩视频。我是 ruby, 咱们一期一会,下期再见,拜。







